[發(fā)明專利]一種動車車底異常檢測方法

在審

• 申請?zhí)枺?/td>: 202011259326.8
• 申請日: 2020-11-12
• 公開（公告）號: CN112330647A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計）人: 徐明;王謹(jǐn)怡
• 申請（專利權(quán)）人: 南京優(yōu)視智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/194;G06T7/50;G06T7/62;G06T7/66;G06T7/73
• 代理公司: 南京中盟科創(chuàng)知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32279
• 代理人: 張靖堯

1.一種動車車底異常檢測方法，其特征在于，包括以下步驟：

S1：采集圖像，識別圖像中是否存在需要檢測的零部件；

S2：生成所采集的圖像中的零部件對象的三維點云；

S3：根據(jù)所生成的三維點云獲得零部件當(dāng)前特征；

S4：將零部件當(dāng)前特征與預(yù)先確定的標(biāo)準(zhǔn)特征進行比較，確認(rèn)是否存在零部件異常。

2.根據(jù)權(quán)利要求1所述的一種動車車底異常檢測方法，其特征在于，在步驟S2中，根據(jù)相機設(shè)備獲取的深度信息和灰度信息確定檢測的零部件在所采集的圖像中的位置，利用位置和區(qū)域信息，分別提取灰度圖像和深度圖像的像素，生成的深度圖像和灰度圖像進行標(biāo)注，通過深度學(xué)習(xí)進行訓(xùn)練并提取前景，以生成檢測對象的三維點云。

3.根據(jù)權(quán)利要求1所述的一種動車車底異常檢測方法，其特征在于，在步驟S3中，所述零部件當(dāng)前特征包括零部件當(dāng)前的中心位置、零部件當(dāng)前的外接立方體體積和零部件當(dāng)前在正視圖的投影。

4.根據(jù)權(quán)利要求3所述的一種動車車底異常檢測方法，其特征在于，在步驟S4中，所述標(biāo)準(zhǔn)特征是預(yù)先根據(jù)零部件在多種不同列車上采集的數(shù)據(jù)所共同確定的深度圖上的像素值差異，包括所述零部件的基準(zhǔn)中心位置、零部件的外接立方體體積標(biāo)準(zhǔn)、零部件在正視圖投影標(biāo)準(zhǔn)。

5.根據(jù)權(quán)利要求4所述的一種動車車底異常檢測方法，其特征在于，在步驟S4中，當(dāng)所述零部件當(dāng)前的外接立方體體積與標(biāo)準(zhǔn)特征的外接立方體體積之間的差越大，所述零部件異常的可能越大，當(dāng)所述零部件當(dāng)前的中心位置與基準(zhǔn)中心位置的之間的距離越大，所述零部件異常的可能越大，當(dāng)所述零部件在正視圖上的投影映射的像素值平均值與標(biāo)準(zhǔn)特征相差越大時，所述零部件異常的可能越大。

6.根據(jù)權(quán)利要求1所述的一種動車車底異常檢測方法，其特征在于，在步驟S4中，采用卷積神經(jīng)網(wǎng)絡(luò)的算法將零部件的前景與后景分割，利用前景的像素值的平均值減去后景像素的平均值，得到零部件在深度圖上面的高度與標(biāo)準(zhǔn)高度相比較，差值越多則異常越大。

7.根據(jù)權(quán)利要求1所述的一種動車車底異常檢測方法，其特征在于，在步驟S3中，通過所述三維點云的x軸、y軸、z軸上的最大值與最小值的差的乘積來計算體積，當(dāng)體積大小與標(biāo)準(zhǔn)特征的體積大小相差越大，則存在異常的可能性越大。